CN106473765A - 推荐扫描协议参数的服务器、ct机和ct系统 - Google Patents

推荐扫描协议参数的服务器、ct机和ct系统 Download PDF

Info

Publication number
CN106473765A
CN106473765A CN201510552464.8A CN201510552464A CN106473765A CN 106473765 A CN106473765 A CN 106473765A CN 201510552464 A CN201510552464 A CN 201510552464A CN 106473765 A CN106473765 A CN 106473765A
Authority
CN
China
Prior art keywords
scan
environment
parameter
unit
parameter combination
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510552464.8A
Other languages
English (en)
Other versions
CN106473765B (zh
Inventor
赵泉洲
孙达军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Shanghai Medical Equipment Ltd
Original Assignee
Siemens Shanghai Medical Equipment Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Shanghai Medical Equipment Ltd filed Critical Siemens Shanghai Medical Equipment Ltd
Priority to CN201510552464.8A priority Critical patent/CN106473765B/zh
Publication of CN106473765A publication Critical patent/CN106473765A/zh
Application granted granted Critical
Publication of CN106473765B publication Critical patent/CN106473765B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种推荐扫描协议参数的服务器、CT机和CT系统。根据本发明的第一方面，提供一种服务器，包括：一分组单元，其用于将大样本的参考扫描环境归入复数个相对同质的集合，每一参考扫描环境对应一扫描协议参数组合；一扫描协议参数加权单元，其在每一所述集合中根据医院等级和扫描协议参数出现的频率计算所述集合中的扫描协议参数组合的权重；一扫描环境接收单元，其从一CT机接收一扫描环境；一判断单元，其比较所述扫描环境和所述复数个集合之间的距离并将所述扫描环境归入距离最小的那个集合；一扫描协议参数推荐单元，其在距离最小的那个集合中找出权重最大的扫描协议参数组合，并将其发送给所述CT机。

Description

推荐扫描协议参数的服务器、CT机和CT系统
技术领域
本发明涉及计算机断层扫描，特别是扫描协议参数的设置。
背景技术
扫描协议包含两方面的信息：一是扫描和重建相关参数，二是扫描的操作步骤。针对扫描协议的使用，医生都是根据个人的使用经验和相关的专业技术知识去修改产品默认提供的扫描协议，从而创造出一套自己理解的扫描协议。当前情况下，不同医生的临床经验和对设备的操作习惯千差万别，且不同地区的人体体质也存在一定的特征差异。目前医疗设备产品没有可供医生参考的扫描协议修改标准和建议。
发明内容
有鉴于此，本发明提出了一种推荐扫描协议参数的服务器、CT机和CT系统。
根据本发明的第一方面，提供一种服务器，包括：一分组单元，其用于将大样本的参考扫描环境归入复数个相对同质的集合，每一参考扫描环境对应一扫描协议参数组合；一扫描协议参数加权单元，其在每一所述集合中根据医院等级和扫描协议参数出现的频率计算所述集合中的扫描协议参数组合的权重；一扫描环境接收单元，其从一CT机接收一扫描环境；一判断单元，其比较所述扫描环境和所述复数个集合之间的距离并将所述扫描环境归入距离最小的那个集合；一扫描协议参数推荐单元，其在距离最小的那个集合中找出权重最大的扫描协议参数组合，并将其发送给所述CT机。
在一实施例中，所述分组单元根据下式将大样本的参考扫描环境归入复数个相对同质的集合：其中，k由弯管法和经验判断定义，Si是当Xj归入k个集合后，第i个集合，S是Si的集合，Xj是Si中的一个参考扫描环境样本，μi是当Xj归入k个集合后，Si中的参考扫描环境样本的均值。
在一实施例中，所述扫描协议参数加权单元根据下式计算扫描协议参数组合的权重：p＝α*p1+β*p2，其中p1是扫描协议参数组合相应的医院等级，p2是扫描协议参数组合在其集合中出现的频率，α、β分别是p1、p1的权重。
根据本发明的第二方面，提供一种CT机，包括：一扫描环境设定单元(102)，其设定一扫描环境；一扫描环境发送单元(104)，其向一服务器(151)发送所述扫描环境；一扫描协议参数组合接收单元(106)，其从所述服务器(151)接收一推荐的扫描协议参数组合，所述扫描协议参数组合与所述扫描环境相适应。
根据本发明的第三方面，提供一种CT系统，包括：一CT机和一服务器。所述CT机包括：一扫描环境设定单元，其设定一扫描环境；一扫描环境发送单元；一扫描协议参数组合接收单元。所述服务器包括：一分组单元，其用于将大样本的参考扫描环境归入复数个相对同质的集合，每一参考扫描环境对应一扫描协议参数组合；一扫描协议参数加权单元，其在每一所述集合中根据医院等级和扫描协议参数出现的频率计算所述集合中的扫描协议参数组合的权重；一扫描环境接收单元，其从所述扫描环境发送单元接收所述扫描环境设定单元设定的扫描环境；一判断单元，其比较所述扫描环境和所述复数个集合之间的距离并将所述扫描环境归入距离最小的那个集合；一扫描协议参数推荐单元，其在距离最小的那个集合中找出权重最大的扫描协议参数组合，并将其发送给所述扫描协议参数组合接收单元。
在一实施例中，所述分组单元根据下式将大样本的参考扫描环境归入复数个相对同质的集合：其中，k由弯管法和经验判断定义，Si是当Xj归入k个集合后，第i个集合，S是Si的集合，Xj是Si中的一个参考扫描环境样本，μi是当Xj归入k个集合后，Si中的参考扫描环境样本的均值。
在一实施例中，所述扫描协议参数加权单元根据下式计算扫描协议参数组合的权重：p＝α*p1+β*p2，其中p1是扫描协议参数组合相应的医院等级，p2是扫描协议参数组合在其集合中出现的频率，α、β分别是p1、p1的权重。
本发明的CT机、服务器和CT系统为初级医生或中小医院的医生提供方便快捷的扫描方案，以优化和修改自定义扫描协议。同时，也节省了CT现场工程师指导的时间。
附图说明
下面将通过参照附图详细描述本发明的优选实施例，使本领域的普通技术人员更清楚本发明的上述及其它特征和优点，附图中：
图1为根据本发明的一实施例的CT系统的示意性结构框图。
在上述附图中，所采用的附图标记如下：
100 CT系统 152 分组单元
101 CT机 154 扫描协议参数加权单元
102 扫描环境设定单元 156 数据库
104 扫描环境发送单元 158 扫描环境接收单元
106 扫描协议参数组合接收单元 160 判断单元
151 服务器 162 扫描协议参数推荐单元
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，以下举实施例对本发明进一步详细说明。
本发明的核心思想是通过大数据分析，对相对同质的扫描(属于同一集合)，推荐该集合中使用次数多、高等级医院常用的扫描参数组合。
图1为根据本发明的一实施例的CT系统100的示意性结构框图，图中仅示出了与本发明密切相关的部分。CT系统100包括一CT机101和一服务器151。
服务器151可包括一分组单元152、一扫描协议参数加权单元154、一扫描环境接收单元158、一判断单元160和一扫描协议参数推荐单元162。服务器151例如从多台CT机的日志中提取大样本的扫描环境作为参考扫描环境。参考扫描环境包括地域、受检者特征、病灶等属性。
分组单元152可利用分割类聚类算法将大样本的参考扫描环境归入复数个相对同质的集合，每一参考扫描环境对应一扫描协议参数组合。分割类聚类算法例如是K均值或类似算法。在本实施例中，分组单元152根据下式将大样本的参考扫描环境归入复数个相对同质的集合：其中，k由弯管法和经验判断定义，Si是当Xj归入k个集合后，第i个集合，S是Si的集合，Xj是Si中的一个参考扫描环境样本，μi是当Xj归入k个集合后，Si中的参考扫描环境样本的均值。
扫描协议参数加权单元154在每一集合中根据医院等级和扫描协议参数出现的频率计算集合中的扫描协议参数组合的权重。在本实施例中，扫描协议参数加权单元154可根据下式计算扫描协议参数组合的权重：p＝α*p1+β*p2，其中p1是扫描协议参数组合相应的医院等级，p2是扫描协议参数组合在其集合中出现的频率，α、β分别是p1、p1的权重。扫描协议参数组合相应的医院等级例如可从数据库156获得。
CT机101包括一扫描环境设定单元102、一扫描环境发送单元104和一扫描协议参数组合接收单元106。扫描环境设定单元102设定一扫描环境。扫描环境接收单元158从扫描环境发送单元104接收扫描环境设定单元102设定的扫描环境。
服务器151的判断单元160比较上述扫描环境和复数个集合之间的距离并将上述扫描环境归入距离最小的那个集合。
扫描协议参数推荐单元162在距离最小的那个集合中找出权重最大的扫描协议参数组合，并将其发送给扫描协议参数组合接收单元106。在其他实施例中，扫描协议参数推荐单元162也可在距离最小的那个集合中找出权重最大的若干的扫描协议参数组合，并将其发送给扫描协议参数组合接收单元106。
本发明的CT机、服务器和CT系统为初级医生或中小医院的医生提供方便快捷的扫描方案，以优化和修改自定义扫描协议。同时，也节省了CT现场工程师指导的时间。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种服务器，包括：
一分组单元(152)，其用于将大样本的参考扫描环境归入复数个相对同质的集合，每一参考扫描环境对应一扫描协议参数组合；
一扫描协议参数加权单元(154)，其在每一所述集合中根据医院等级和扫描协议参数出现的频率计算所述集合中的扫描协议参数组合的权重；
一扫描环境接收单元(158)，其从一CT机(101)接收一扫描环境；
一判断单元(160)，其比较所述扫描环境和所述复数个集合之间的距离并将所述扫描环境归入距离最小的那个集合；
一扫描协议参数推荐单元(162)，其在距离最小的那个集合中找出权重最大的扫描协议参数组合，并将其发送给所述CT机(101)。
2.如权利要求1所述的服务器，其特征是，所述分组单元(152)根据下式将大样本的参考扫描环境归入复数个相对同质的集合：其中，k由弯管法和经验判断定义，Si是当Xj归入k个集合后，第i个集合，S是Si的集合，Xj是Si中的一个参考扫描环境样本，μi是当Xj归入k个集合后，Si中的参考扫描环境样本的均值。
3.如权利要求1所述的服务器，其特征是，所述扫描协议参数加权单元(154)根据下式计算扫描协议参数组合的权重：p＝α*p1+β*p2，其中p1是扫描协议参数组合相应的医院等级，p2是扫描协议参数组合在其集合中出现的频率，α、β分别是p1、p1的权重。
4.一种CT机，包括：
一扫描环境设定单元(102)，其设定一扫描环境；
一扫描环境发送单元(104)，其向一服务器(151)发送所述扫描环境；
一扫描协议参数组合接收单元(106)，其从所述服务器(151)接收一推荐的扫描协议参数组合，所述扫描协议参数组合与所述扫描环境相适应。
5.一种CT系统，包括：
一CT机(101)，其包括：
一扫描环境设定单元(102)，其设定一扫描环境；
一扫描环境发送单元(104)；
一扫描协议参数组合接收单元(106)；
一服务器(151)，其包括：
一分组单元(152)，其用于将大样本的参考扫描环境归入复数个相对同质的集合，每一参考扫描环境对应一扫描协议参数组合；
一扫描协议参数加权单元(154)，其在每一所述集合中根据医院等级和扫描协议参数出现的频率计算所述集合中的扫描协议参数组合的权重；
一扫描环境接收单元(158)，其从所述扫描环境发送单元(104)接收所述扫描环境设定单元(102)设定的扫描环境；
一判断单元(160)，其比较所述扫描环境和所述复数个集合之间的距离并将所述扫描环境归入距离最小的那个集合；
一扫描协议参数推荐单元(162)，其在距离最小的那个集合中找出权重最大的扫描协议参数组合，并将其发送给所述扫描协议参数组合接收单元(106)。
6.如权利要求5所述的CT系统，其特征是，所述分组单元(152)根据下式将大样本的参考扫描环境归入复数个相对同质的集合：其中，k由弯管法和经验判断定义，Si是当Xj归入k个集合后，第i个集合，S是Si的集合，Xj是Si中的一个参考扫描环境样本，μi是当Xj归入k个集合后，Si中的参考扫描环境样本的均值。
7.如权利要求5所述的CT系统，其特征是，所述扫描协议参数加权单元(154)根据下式计算扫描协议参数组合的权重：p＝α*p1+β*p2，其中p1是扫描协议参数组合相应的医院等级，p2是扫描协议参数组合在其集合中出现的频率，α、β分别是p1、p1的权重。
CN201510552464.8A 2015-09-01 2015-09-01 推荐扫描协议参数的服务器、ct机和ct系统 Active CN106473765B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510552464.8A CN106473765B (zh) 2015-09-01 2015-09-01 推荐扫描协议参数的服务器、ct机和ct系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510552464.8A CN106473765B (zh) 2015-09-01 2015-09-01 推荐扫描协议参数的服务器、ct机和ct系统

Publications (2)

Publication Number Publication Date
CN106473765A true CN106473765A (zh) 2017-03-08
CN106473765B CN106473765B (zh) 2020-02-18

Family

ID=58238001

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510552464.8A Active CN106473765B (zh) 2015-09-01 2015-09-01 推荐扫描协议参数的服务器、ct机和ct系统

Country Status (1)

Country Link
CN (1) CN106473765B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010018659A1 (en) * 1998-11-25 2001-08-30 Koritzinsky Ianne Mae Howards Imaging system protocol handling method and apparatus
CN1500442A (zh) * 2002-10-17 2004-06-02 ��ʽ���綫֥ 医用图象诊断系统及其中的信息提供服务器和信息提供方法
CN101004764A (zh) * 2006-01-20 2007-07-25 西门子（中国）有限公司 扫描协议的管理系统和方法
JP2008012229A (ja) * 2006-07-10 2008-01-24 Ge Medical Systems Global Technology Co Llc Ｘ線ｃｔ装置
CN101589392A (zh) * 2006-11-22 2009-11-25 通用电气公司 放射学信息系统和诊断系统/模态之间的交互式协议拟定
CN103632021A (zh) * 2012-08-23 2014-03-12 上海西门子医疗器械有限公司 电子装置、医疗设备及医疗设备系统
CN103654780A (zh) * 2012-09-26 2014-03-26 三星电子株式会社 医学成像设备及其控制方法
CN104025100A (zh) * 2011-12-30 2014-09-03 皇家飞利浦有限公司 成像检查协议更新推荐器
CN104487974A (zh) * 2012-06-01 2015-04-01 皇家飞利浦有限公司 用于将患者信息与临床标准进行匹配的系统和方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010018659A1 (en) * 1998-11-25 2001-08-30 Koritzinsky Ianne Mae Howards Imaging system protocol handling method and apparatus
CN1500442A (zh) * 2002-10-17 2004-06-02 ��ʽ���綫֥ 医用图象诊断系统及其中的信息提供服务器和信息提供方法
CN101004764A (zh) * 2006-01-20 2007-07-25 西门子（中国）有限公司 扫描协议的管理系统和方法
JP2008012229A (ja) * 2006-07-10 2008-01-24 Ge Medical Systems Global Technology Co Llc Ｘ線ｃｔ装置
CN101589392A (zh) * 2006-11-22 2009-11-25 通用电气公司 放射学信息系统和诊断系统/模态之间的交互式协议拟定
CN104025100A (zh) * 2011-12-30 2014-09-03 皇家飞利浦有限公司 成像检查协议更新推荐器
CN104487974A (zh) * 2012-06-01 2015-04-01 皇家飞利浦有限公司 用于将患者信息与临床标准进行匹配的系统和方法
CN103632021A (zh) * 2012-08-23 2014-03-12 上海西门子医疗器械有限公司 电子装置、医疗设备及医疗设备系统
CN103654780A (zh) * 2012-09-26 2014-03-26 三星电子株式会社 医学成像设备及其控制方法

Also Published As

Publication number Publication date
CN106473765B (zh) 2020-02-18

Similar Documents

Publication Publication Date Title
Xu et al. Assessing variations in areal organization for the intrinsic brain: from fingerprints to reliability
CN110506278A (zh) 隐空间中的目标检测
Billot et al. Robust machine learning segmentation for large-scale analysis of heterogeneous clinical brain MRI datasets
Lavdas et al. Fully automatic, multiorgan segmentation in normal whole body magnetic resonance imaging (MRI), using classification forests (CF s), convolutional neural networks (CNN s), and a multi‐atlas (MA) approach
CN110136809A (zh) 一种医疗图像处理方法、装置、电子医疗设备和存储介质
Gitto et al. MRI radiomics-based machine learning classification of atypical cartilaginous tumour and grade II chondrosarcoma of long bones
Gabelloni et al. Can magnetic resonance radiomics analysis discriminate parotid gland tumors? A pilot study
Urbanová et al. Testing the reliability of software tools in sex and ancestry estimation in a multi-ancestral Brazilian sample
CN104000619A (zh) 一种甲状腺ct图像计算机辅助诊断系统及方法
Rogers et al. Evaluation of an AI system for the detection of diabetic retinopathy from images captured with a handheld portable fundus camera: the MAILOR AI study
Pleuss et al. A machine learning approach relating 3D body scans to body composition in humans
Jiang et al. Multiparametric MRI‐based radiomics approaches for preoperative prediction of EGFR mutation status in spinal bone metastases in patients with lung adenocarcinoma
Naglah et al. Novel MRI-based CAD system for early detection of thyroid cancer using multi-input CNN
Kelley et al. Population-inclusive assigned-sex-at-birth estimation from skull computed tomography scans
Lan et al. Multi-view convolutional neural network with leader and long-tail particle swarm optimizer for enhancing heart disease and breast cancer detection
Tognetti et al. Validation of an integrated dermoscopic scoring method in an European teledermoscopy web platform: the iDScore project for early detection of melanoma
Diwakar et al. Directive clustering contrast-based multi-modality medical image fusion for smart healthcare system
Théberge et al. Volume of screening mammography and performance in the Quebec population-based Breast Cancer Screening Program
Saleh et al. A brief analysis of multimodal medical image fusion techniques
Kurrant et al. Evaluating performance of microwave image reconstruction algorithms: extracting tissue types with segmentation using machine learning
Li et al. Contrast-enhanced CT-based radiomics for the differentiation of nodular goiter from papillary thyroid carcinoma in thyroid nodules
Pedoia et al. Translation of morphological and functional musculoskeletal imaging
Gur et al. Is an ROC-type response truly always better than a binary response in observer performance studies?
Sato et al. Identification of segregated regions in the functional brain connectome of autistic patients by a combination of fuzzy spectral clustering and entropy analysis
Nanthagopal et al. A region-based segmentation of tumour from brain CT images using nonlinear support vector machine classifier

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant